智能配电网技术在配电网规划中的具体应用

近年来,随着我国在城市化建设方面不断加快速度,社会在电能方面的需求量大幅增加,致使电力企业承受的压力非常大。通过将智能化技术应用于配电网建设过程中,不仅可以保障供电安全性,还可促进供电质量的提升,确保我国电力行业实现可持续发展。所以,我国的电力企业应该继续深化对智能配电网技术的研究,积极地将智能化技术运用到配网规划的各个环节中。通过这样的方式,不仅能够提升自身的电力服务水平,满足人们日益增长的用电需求,而且还能促进配电网运行效率的全面提升,有效减少运营成本,进而增强竞争力。对此,简要分析了智能配电网规划要点,并从4个方面详细地论述了智能配电网技术在配电网规划中的应用,以供参考。

地方高校开展军工科技人才培养的机遇、挑战与对策——以信息学科为例

开展军工科技创新人才培养是新一轮军事科技变革对高校提出的新课题,也是地方高校学习践行军工精神,充分发挥人才和学科优势,主动对接国家战略需求,提升地方经济社会发展的举措.然而地方高校开展军工科技人才培养面临科研管理与保密制度体系不健全、军民交叉的复合型师资力量薄弱、现行评价体系与军工科教不适配的问题.以信息学科为例,探讨了地方高校培养军工科技创新人才的意义与机遇,分析了地方高校培养军工科技创新人才面临的制度体系、师资力量、评价标准方面的问题和挑战,提出了思路和对策.

正交微粒群算法

基于正交试验设计的最优性以及微粒群中微粒的记忆特征,提出了一种新型的微粒群算法——正交微粒群算法。其主要思想是:利用正交设计的方法产生初始微粒群,以便粒子能够均匀分布在整个解空间上;充分利用微粒的记忆能力,对微粒群进行更新,从而达到对可行解空间进行开发和探索的目的。将该算法应用于四个常见的测试函数,试验结果表明本算法的性能比较优越,并且具有很强的并行性和较大的灵活性。最后,讨论了不同的初始速度和扰动对算法性能的影响。

正交Multi-agent遗传算法及其性能分析

将Multi-agent系统、遗传算法与正交试验设计方法相结合,提出一种新的遗传算法——正交Multi-agent遗传算法.其主要思想是:利用正交设计的方法产生初始化种群;用正交交叉算子代替传统的算术交叉算子;利用agent间的竞争作用与每个agent所具有的知识和自学习能力进行启发式搜索,以提高进化的速度.仿真试验和性能分析表明,正交Multi-agent遗传算法不但具有很强的全局优化能力和较快的收敛速度,而且具有很强的鲁棒性.

用于函数优化的正交Multi-Agent遗传算法

将Multi Agent系统、遗传算法和正交试验设计方法相结合,提出了一种混合进化算法———正交Multi Agent遗传算法。它以Multi Agent系统为基础,通过Agent间的相互作用与每个Agent所具有的知识和自学习功能来提高算法的全局优化能力和收敛速度;同时利用正交试验设计方法产生较好的初始种群和设计正交交叉算子以获得更好的后代;针对正交试验设计产生初始化种群在函数维数很高时需很大存贮空间的缺点,提出了子空间分割法来产生所需的初始化种群,它只需要原来存贮空间的十分之一。首先,对维数为30或100的12个标准测试函数进行仿真试验,结果表明正交Multi Agent遗传算法具有很强的全局优化能力和较快的收敛速度;其次,算法对这些标准测试函数进行高维优化(高达200维),实验结果表明正交Multi Agent遗传算法具有较好的高维搜索能力。

Sobolev空间H^s(R)上框架的必要条件

本文着重研究了Sobolev空间Hs(R)上的框架。首先讨论了s.t.型框架,进而了考察了小波框架和基于加窗Fourier变换的框架,给出了各自的必要条件。本文的工作将空间L2(R)上有关框架的结果推广到Sobolev空间上,从而丰富了Sobolev空间Hs(R)上框架的有关理论。

Sobolev空间H^s(R)上框架的充分条件

目的研究Sobolev空间Hs(R)上的框架。方法利用Plancherel定理和Cauchy-Schwarz不等式。结果讨论了Sobolev空间上小波框架和加窗Fourier变换框架的充分条件。结论将空间L2(R)上有关框架的结果推广到Sobolev空间。

高维OPMRA稠密性特征研究

讨论了具有一般伸缩矩阵的高维正交周期多尺度分析的稠密性序列的一个充要条件

基于特殊选择的抽象进化算法的收敛性

首先定义了抽象选择算子和抽象进化算子,基于这两种算子给出了一般抽象进化算法的定义.特别讨论了一种基于特殊选择的抽象进化算法,根据状态空间的分类,分析了这种特殊选择进化算法种群的一步转移概率矩阵的性质,最后证明了这种算法的Markov链存在极限概率分布.

具有一般伸缩矩阵高维周期尺度函数的双正交性

首先对一般周期函数的双正交性特征进行了刻画 ,然后在一般伸缩条件下 ,对由滤波函数族生成的高维周期尺度函数进行了深入研究 ,得到了其双正交性的充要条件 .所得结果为周期尺度函数双正交性的判定提供了方便 .

广义Anderson定理

利用谱分解方法研究算子Φ(Χ)=AXB的不动点与值域的关系.证明了如果算子A,B*是压缩控制算子且Φ(S)=S,则对任意的算子X∈B(H)都有‖AXB-X+S‖≥‖S‖.

基于正交样条周期小波的分解和重构算法

给出了正交样条的定义和性质 ,说明了可以用正交样条构造尺度函数和小波 ,重点研究了基于正交样条周期小波的分解和重构算法 ,给出了周期小波的分解公式和重构公式 .本文的工作将实直线小波的分解和重构算法推广到周期小波 ,从而丰富了周期小波的有关理论 ,为周期小波在工程实际中的应用提供了重要的理论指导 .

一种阈值化的小波图像去噪算法

为克服软、硬阈值化去噪方法存在的缺陷,本文提出一种阈值化的小波图像去噪算法.试验结果表明,提出的算法明显优于传统的软、硬阈值化去噪方法,提高了信噪比,且去噪效果较好.

L^2([0,1]~d)的周期多尺度分析的特征

给出Ｌ２（［０，１］ｄ） 的周期多尺度分析的一个特征，并研究了尺度函数序列的特征．

一类G-框架及其对偶的若干性质

在一个新的Hilbert空间上定义了G-框架及G-对偶框架,并且讨论了他们的性质,改进和推广了其他学者的成果.

高维周期尺度函数的双正交性

利用转移算子和一致可积性的有关知识 ,讨论了周期小波分析中高维周期尺度函数的双正交性 ,得到了尺度函数双正交的充要条件 .所得结果推广了尺度函数正交性的某些结果 ,在周期小波分析理论及应用的研究中 。

大数据分析中的计算智能研究现状与展望

随着产业界和科学界数据量的爆炸式增长,大数据技术和应用吸引了众多的关注.如何分析大数据,充分挖掘大数据的潜在价值,成为需要深入探讨的科学问题.计算智能是科学研究和工程实践中解决复杂问题的有效手段,是人工智能和信息科学的重要研究方向,应用计算智能方法进行大数据分析具有巨大的潜力.对大数据分析中的计算智能方法进行综述,结合大数据的特征,讨论了大数据分析中计算智能研究存在的问题和进一步的研究方向,阐述了数据源共享问题,并建议利用以天文学为代表的数据密集型基础科研领域的数据开展大数据分析研究.

多智能体遗传算法用于超高维函数优化

基于智能体对环境的感知与反作用的能力提出了一种新的函数优化方法——多智能体遗传算法.该方法将智能体固定在网格上,而每个智能体为了增加自身能量将与其邻域展开竞争或合作,同样,智能体也可利用自身的知识进行自学习来增加能量.理论分析证明算法具有全局收敛性.实验结果表明,多智能体遗传算法对维数高达甚至10000的函数,都能以较少的计算量获得高质量的解,充分说明算法具有很快的收敛速度.

免疫控制图学习算法

目的 分析时序数据变化状况、记录数据特性值随时间而发生波动的过程是否处于控制状态,如有异常,则可对该时间段数据进行挖掘,通过挖掘发现知识;方法 以统计学的正态分布与中心极限定理为理论基础,结合免疫进化的思想,提出免疫控制图原理及学习算法;结果 理论分析和仿真实验表明了免疫控制图方法的实用性和有效性;结论 免疫控制图在质量数据的分析与控制、顾客的消费行为分析、股票市场波动的异常反映、网络安全管理等领域有着广泛的应用。

整合力量,凝炼方向,加快应用数学学科建设

介绍了应用数学学科组的基本情况,学科建设的内容和目标、方案与计划,学科发展的管理办法以及取得的阶段性成果等.